Probabilidad y estadística

Unidad 2: Probabilidad
 Nociones de probabilidad

Definición.
Espacio muestral y eventos.
Axiomas y teoremas.
Eventos dependientes.
Eventos independientes.
 Reporte 1

• En equipos de 4 personas, se les entregará

un dado distinto.
• El experimento consiste en calcular el
número de veces que saldrán los valores
divisibles entre 3. Éste es el evento
deseado o “éxito”.
• Anoten después de cada repetición el
resultado obtenido y si es el esperado.
• Tabulen, en intervalos acumulados de 10,
𝑽𝒆𝒄𝒆𝒔 𝒒𝒖𝒆 𝒐𝒄𝒖𝒓𝒓𝒊ó é𝒙𝒊𝒕𝒐
el resultado obtenido:
𝑹𝒆𝒑𝒆𝒕𝒊𝒄𝒊𝒐𝒏𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔
É𝒙𝒊𝒕𝒐
• Grafiquen la relación para cada
𝑹𝒆𝒑𝒆𝒕𝒊𝒄𝒊𝒐𝒏𝒆𝒔
tanda de 10 acumulados.
 Reporte 1

𝑬𝒗𝒆𝒏𝒕𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔
Ahora hallen la relación para un único
𝑬𝒗𝒆𝒏𝒕𝒐𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔
experimento.
¿Es una estimación acertada? Analicen sus resultados y saquen
sus conclusiones al respecto.
Repitan el procedimiento con otro dado.
 Definición

• La probabilidad es la ciencia
matemática que estudia y
modela los fenómenos
aleatorios.

• Ajusta modelos
deterministas a eventos que
no son predecibles con
exactitud.
 Significado de términos clave

Probabilidad: Del latín probabilitas, -atis

En un proceso aleatorio, razón entre el número de casos favorables
y el número de casos posibles.
aleatorio: del latín aleatorius, propio del juego de dados
1. adj. Perteneciente o relativo a los juegos de azar
2. adj. Dependiente de algún suceso fortuito
determinista, de determinismo:
Teoría que supone que la evolución de los fenómenos naturales está
completamente determinada por las condiciones iniciales
 ¿Cómo es un fenómeno aleatorio?

Es un hecho del cual sus posible

resultados son previsibles antes
de efectuar el experimento.
Sin embargo, no se puede predecir
el resultado final antes de
realizarlo.
Al repetir el experimento varias
veces, con las mismas condiciones
iniciales, se pueden obtener
resultados distintos.
 Dos definiciones principales
Probabilidad como límite Definición clásica
La probabilidad no es más que Sea E un evento que puede ocurrir
un límite cuando se repite un de s formas de un total de n
experimento infinitas veces. Es
decir: maneras. Entonces su probabilidad
𝒔 se calcula:
𝐥𝐢𝐦 𝒇 = 𝒔
𝒏→∞ 𝒏 𝒑=
Donde f es la frecuencia 𝒏
relativa del resultado O dicho de otra forma:
s es el número de veces que
ocurre un “éxito” 𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
n es el número de repeticiones 𝑝=
𝐶𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
del experimento.
 Espacio muestral

Recordemos la teoría de conjuntos:

– El espacio muestral S es el conjunto de todos los
resultados posibles para un experimento determinado.
– Puede considerarse como el Universo (U) para el
experimento que se está planteando.

U 5
1 2
3
4 6
 Evento

– Es todo subconjunto existente en el espacio muestral del

experimento.
– Estos son definidos en el problema que se quiere resolver.
El experimento es tirar un dado.
Evento A= Cae un número par. 1 U
Evento B= Cae un número 2 5
mayor o igual a 4. A
4
B
A= {2, 4, 6} B= {4, 5, 6} 6

3
 Axiomas

Muchos de los axiomas pueden

comprobarse mediante Diagramas Axioma 3:
de Venn, en caso de ser necesario. Para eventos mutuamente
P(A) = Probabilidad de que ocurra el
evento A. excluyentes 𝐴𝑖 ∩ 𝐴𝑗 = ∅ para i ≠ j:
Axioma 1: 𝟎 ≤ 𝑷(𝑨) ≤ 𝟏 𝑛 𝑛
– Si el evento tiene una 𝑃 ራ 𝐴𝑖 = ෍ 𝑃(𝐴𝑖 )
probabilidad de cero, se dice
que es un evento imposible. 𝑖=1 𝑖=1
– Si el evento tiene una Desarrollándolo:
probabilidad de uno, se dice 𝑃 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛
que es un evento seguro.
Axioma 2: 𝑷 𝑺 = 𝟏 = 𝑃 𝐴1 + 𝑃 𝐴2 + ⋯ + 𝑃(𝐴𝑛 )
 Teoremas

𝑷 𝑨∁ = 𝟏 − 𝑷 𝑨
Sean A y B dos eventos cualesquiera:
𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨 ∩ 𝑩)
Si A ⊆ B, entonces 𝑷 𝑨 ≤ 𝑷 𝑩
Sean A y B dos eventos cualesquiera:
𝑷 𝑨 − 𝑩 = 𝑷 𝑨 − 𝑷(𝑨 ∩ 𝑩)
Es importante notar que las propiedades de los Diagramas de
Venn son aplicables en este caso.
 Ejemplo

Se ha seleccionado al azar una carta de una baraja de 52 cartas.

Considera los eventos siguientes:
A={corazón} y B={figura}
a) Encuentra P(A), P(B) y 𝑃(𝐴 ∩ 𝐵)
b) 𝑃(𝐴 ∪ 𝐵)
 Ejemplo

a) En una baraja común existen 13 cartas de cada palo

(corazones, espadas, diamantes, tréboles).
Entonces, la probabilidad de que salga un corazón es:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑟𝑎𝑧𝑜𝑛𝑒𝑠 13 𝟏
𝑷 𝑨 = = =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑟𝑡𝑎𝑠 52 𝟒
 Ejemplo

b) Las cartas de figuras en las barajas son 3: jota, queena y rey; y hay
uno por cada palo. En total son 12.
Entonces, la probabilidad de que salga una figura es:
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒇𝒊𝒈𝒖𝒓𝒂𝒔 12 𝟑
𝑷 𝑩 = = =
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒓𝒕𝒂𝒔 52 𝟏𝟑
 Ejemplo

a) Finalmente, se quiere conocer la probabilidad de que sea una carta

de corazón con figura. De los 13 corazones, sólo 3 son figuras. Por
lo tanto:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑖𝑔𝑢𝑟𝑎𝑠 3
𝑷 𝑨∩𝑩 = =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑟𝑡𝑎𝑠 52
 Ejemplo

b) Se quiere hallar 𝑃(𝐴 ∪ 𝐵), o lo que es lo mismo, la probabilidad de

escoger una carta corazón o una carta figura. Entonces se puede
calcular con el teorema de la adición:
1 3 3 22 𝟏𝟏
𝑷 𝑨∪𝑩 =𝑷 𝑨 +𝑷 𝑩 −𝑷 𝑨∩𝑩 = + − = =
4 13 52 52 𝟐𝟔
 Eventos dependientes

Las técnicas de conteo son muy útiles para poder determinar la

probabilidad de distintos eventos.
Recuerda examinar el problema para escoger la técnica más
conveniente para resolverlo.
– Diagramas de Venn
– Combinaciones
– Permutaciones
– Diagramas de árbol
– Adición y multiplicación.
 Ejemplo

Seis parejas casadas se encuentran en una habitación. Dos

personas se eligen al azar. Encuentra la probabilidad p de que:
a) Estén casadas entre sí.
b) Una sea hombre y la otra, mujer.
 Ejemplo

Son 12 personas en total, por lo tanto, los casos posibles se calculan:

12 12 ∙ 11
= = 66
2 2∙1
a) Hay 6 parejas casadas, es decir:
6 1
𝑝= =
66 11

b) Si uno es hombre y el otro mujer, entonces, los casos favorables se

determinan:
6 6
= 36
1 1
36 6
𝑝= =
66 11
 Eventos independientes

Los eventos independientes son aquellos en los que se considera

que la ocurrencia de uno no afecta directamente que suceda el
otro.
Por ejemplo, si lanzo un dado, y luego tiro una moneda, son
eventos independientes porque el resultado del dado no influye
en la moneda.
 Eventos independientes

Si se realiza el experimento múltiples

veces, también puede considerarse
cada evento como independiente del
otro, puesto que en teoría el
resultado anterior no afecta al
siguiente. Es idéntico a cuando se
efectúa el experimento con dados
distintos.
Si dos eventos son independientes:
𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑨 𝑷(𝑩)

7. Fórmulas de conteo
 Ejemplo

Un sistema eléctrico en paralelo de n componentes

independientes separados se muestra en la figura. La
probabilidad de que un componente funcione es pi, con i = 1,
2, …, n, ¿cuál es la probabilidad de que el sistema funcione?

2
A B
3
… …
n
 Ejemplo

Un sistema en paralelo funciona cuando, por lo menos, uno de

los interruptores hace contacto. La opción más lógica sería decir:
P{el sistema funcione} = P{un contacto funcione} + P{dos contactos
funcionen} + … + P{todos los contactos funcionen}
Sin embargo, es impráctico ya que existe una cantidad n de
contactos que pueden funcionar.
¿Existe alguna forma de tener un cálculo más sencillo?
 Ejemplo

Usemos otra perspectiva:

Una opción más sencilla es decir que el único caso que no me interesa
es aquél en el que ninguno de los contactos esté funcionando.
Utilizando la propiedad del complemento, obtenemos que:
P{el sistema funcione} = 1 – P{el sistema no funcione}
P{el sistema funcione} = 1 – P{ningún componente funcione}

1
2
A B
3
… …
n
 Ejemplo

Sea Ai es el evento en el que componente i funciona, podemos decir que:

∁ ∁ ∁
𝑷 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 = 𝟏 − 𝑷 𝑨𝟏 ∩ 𝑨𝟐 ∩ ⋯ ∩ 𝑨𝒏
𝒏

𝑷 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 = 𝟏 − ෑ(𝟏 − 𝒑𝒊 )
𝒊=𝟏

2
A B
3
… …
n
 ¡Cuidado!

¡Antes de aplicar la fórmula de independencia, asegúrate que sea

razonable suponer que todos los eventos son independientes
entre sí!
¡Una fórmula mal empleada puede provocar efectos
catastróficos!
 Three Mile Island,
situada en Harrisburg, Pennsilvania, 28 de marzo de 1979

En esa planta nuclear ocurrió un accidente nuclear en 1979.

Se pensaba que la probabilidad de que ocurriese un accidente era de
una en 10 millones. Sin embargo, ocurrió.
Los estadísticos consideraron que había una probabilidad de 1 en 1,000
de cerrar una válvula de control de agua.
Dos válvulas = (teóricamente) 1 en 1 millón.
 Three Mile Island

Sin embargo, la independencia no toma en cuenta los casos en que hay

errores de juicio.
Además, las dos válvulas nunca habían sido cerradas. El trabajador no
pudo haber intuido que ambas debían cerrarse al mismo tiempo si no le
fue explicado.
Por lo tanto, los riesgos fueron subestimados, casi provocando una
catástrofe nuclear.
 Actividad de la unidad 2

La probabilidad de que una mujer que se prueba un vestido pida

que se le modifique la prenda es de 0.65, que se le envíe a su
domicilio es de 0.32 y que solicite ambas cosas es de 0.21. ¿Cuál
es la probabilidad de que una mujer que hace compras en esta
tienda pida:
– Que se le modifique el vestido o que se le entregue en su
domicilio?
– Que no se le modifique ni que se le entregue en su
domicilio?
Probabilidad y estadística

Unidad 2: Probabilidad
 Probabilidad condicional

Definición.
Procesos estocásticos.
Ley de probabilidad total.
Teorema de Bayes.
 Definición

La probabilidad condicional implica la reducción intencionada del

espacio muestra para determinar la probabilidad de un evento cuando
ya ocurrió otro.
Es decir,
𝑷(𝑨 ∩ 𝑩)
𝑷 𝑨𝑩 =
𝑷(𝑩)
Esto es, la probabilidad de que ocurra A si B ya sucedió.

B es el nuevo espacio muestral

𝑨 ∩ 𝑩 se convierte en los “casos
favorables”
 Definición

Se utiliza la probabilidad condicional cuando:

✓se quiere calcular la probabilidad y sólo se tiene información
parcial al respecto

✓se descubre que hay datos que son más relevantes para lo que
nos interesa calcular (Estadística).
 Ejemplo

En cierta universidad, el 25% de los estudiantes reprobaron

matemáticas, el 15% reprobaron química y el 10% reprobaron
ambas. Se selecciona un estudiante al azar.
a) Si el estudiante reprobó química, ¿cuál es la probabilidad de
que haya reprobado matemáticas?
b) Si el estudiante reprobó matemáticas, ¿cuál es la probabilidad
de que haya reprobado química?
c) ¿Cuál es la probabilidad de que el estudiante haya reprobado
matemáticas o química?
d) ¿Cuál es la probabilidad de que el estudiante no haya
reprobado ni matemáticas ni química?
 Ejemplo

a) Se busca 𝑷(𝑴|𝑸), es decir, la probabilidad de que el estudiante,

habiendo ya reprobado química, también haya tronado matemáticas.
𝑃 𝑀 = 0.25, 𝑃 𝑄 = 0.15, 𝑃 𝑀 ∩ 𝑄 = 0.10

Aplicando la fórmula:
𝑷(𝑴 ∩ 𝑸)
𝑷 𝑴𝑸 =
𝑷(𝑸)
0.10 𝟐
𝑃 𝑀𝑄 = =
0.15 𝟑
 Ejemplo

b) Ahora se solicita 𝑷(𝑸|𝑴), es decir, la probabilidad de que el

estudiante, habiendo ya reprobado matemáticas, también
haya tronado química.
Aplicando la fórmula:
𝑷(𝑴 ∩ 𝑸)
𝑷 𝑸𝑴 =
𝑷(𝑴)
0.10 𝟐
𝑃 𝑄𝑀 = =
0.25 𝟓
 Ejemplo

c) Esto implica utilizar la regla de la adición:

𝑷 𝑴 ∪ 𝑸 = 𝑷 𝑴 + 𝑷 𝑸 − 𝑷(𝑴 ∩ 𝑸)
𝑷 𝑴 ∪ 𝑸 = 0.25 + 0.15 − 0.10 = 𝟎. 𝟑𝟎
d) Se desea obtener a todos aquellos estudiantes que no se
encuentran definidos dentro de A y B, o sea, (𝑴 ∪ 𝑸)∁ . Esto
se halla con la fórmula:
∁
𝑷 𝑴∪𝑸 =𝟏−𝑷 𝑴∪𝑸 = 1 − 0.30 = 𝟎. 𝟕𝟎
 Actividad de la unidad 2

Una empresa necesita aportaciones de sus socios para dos proyectos. La

probabilidad de que los socios aporten al proyecto de pago anticipado de
deuda es de 0.30 y que aporten para expansión de capacidad productiva es
de 0.60. La probabilidad de que aporten para ambos es de 0.08. Calcula la
probabilidad de que:
– Aporten al menos en un proyecto.
– Aporten a la expansión si ya aportaron al pago anticipado de deuda.
– Aporten al pago anticipado de deuda si ya aportaron a la expansión
– Se apruebe la expansión dado que no se aprobó el pago anticipado
de deuda.
– Se apruebe el pago de deuda dado que no se aprobó la expansión.
 Procesos estocásticos

Es una sucesión finita de

experimentos en donde cada
experimento tiene resultados
con probabilidades dadas.
No tiene que ser una repetición
del mismo experimento.
Los diagramas de árbol
rotulados son utilizados para
resolverlos fácilmente.
 Ejemplo

Supón que se te dan 3 cajas:

– La caja X tiene 10 focos, de los cuales 4 están defectuosos.
– La caja Y tiene 6 focos, de los cuales 1 está defectuoso.
– La caja Z tiene 8 focos, de los cuales 3 están defectuosos.
Se escoge una caja al azar y luego se selecciona un foco de la caja.
a) Encuentre la probabilidad p de que el bombillo no esté
defectuoso.
b) Si el bombillo no está defectuoso, encuentre la probabilidad
de que provenga de la caja Z.
 Ejemplo

Empecemos por determinar las probabilidades de cada

experimento.
1. El primero consiste en seleccionar una caja al azar. Puesto que
todas las cajas tienen la misma probabilidad de ser elegidas, la
1
probabilidad para cada una de ellas es 3.
2. El segundo experimento depende de la caja elegida. Si se
4 2
escoge X, se tiene una probabilidad de 10 = 5 de tomar un foco
defectuoso. Por lo tanto, la probabilidad de escoger un foco
3
funcional es de .
5
3. Este proceso se repite para las otras cajas.
 Ejemplo

Una vez planteadas las probabilidades, se dibuja un diagrama de árbol

donde se ponen todas las opciones existentes para el problema.
Experimento 2
Experimento 1 2 D
5
X 3
5 N
1 • Cada ramal debe sumar 1
3
• Considerar si los experimentos
son al azar o existe algún sesgo.
Inicio 1 D
1 6 • Es posible calcular la
3
Y 5
probabilidad total de un evento
6 N ocurrido en el segundo
1
3
experimento.

3 D
8
Z 5
8 N
 Ejemplo

a) Noten que las tres trayectorias principales son mutuamente

excluyentes. Por lo tanto, si ocurre el primer experimento y el
segundo experimento, y luego consideramos que hay 3 casos
posibles, obtendremos la probabilidad de seleccionar un foco no
defectuoso:
1 3 1 5 1 5 247
𝑝=𝑃 𝑁 = ∙ + ∙ + ∙ = ≈ 0.686
3 5 3 2 6 3 8 360
5
D
X 3
1 5 N
3
1
1 6 D
5
3 Y 6
1 N
3 3
8 D
5
Z
8 N
 Ejemplo

b) Es un caso de probabilidad condicional, ya que sabiendo que el foco

no es defectuoso, queremos saber si provino de la caja Z.
Ya tenemos la probabilidad de que no sea defectuoso. Ahora
necesitamos la probabilidad de que no sea defectuoso y que salga de la
caja Z, o sea, 𝑷(𝑵 ∩ 𝒁).
2 1 5 5
5
D 𝑷 𝒁∩𝑵 = ∙ =
3 3 8 24
1
X Ahora aplicamos la fórmula de
5 N
3
1
probabilidad
1 6 D condicional
3 Y 5 𝑷(𝒁 ∩ 𝑵) 5/24
6
N 𝑷 𝒁𝑵 = =
1 𝑷(𝑵) 247/360
3 3
= 𝟎. 𝟑𝟎𝟒
8 D
5
Z
8 N
 Ley de probabilidad total

Remitámonos de nuevo al ejemplo anterior. Cada rama principal se puede

considerar como un subconjunto (o eventos) mutuamente excluyente:

A1 A2 A3
A1
E
E

A2
E

A3
E S
En el segundo esquema tenemos que:
𝑬 = 𝑬 ∩ 𝑺 = 𝑬 ∩ 𝑨𝟏 ∪ 𝑨𝟐 ∪ … ∪ 𝑨𝒏 = 𝑬 ∩ 𝑨𝟏 ∪ 𝑬 ∩ 𝑨𝟐 ∪ ⋯ ∪ (𝑬 ∩ 𝑨𝑛 )
 Ley de probabilidad total

Ahora, con la fórmula de probabilidad condicional, obtenemos

que:
𝑷 𝑬 ∩ 𝑨𝒌 = 𝑷 𝑨𝒌 𝑷(𝑬|𝑨𝒌 )
Aplicando la fórmula:
𝑷 𝑬 = 𝑷 𝑨𝟏 𝑷 𝑬|𝑨𝟏 + 𝑷 𝑨𝟐 𝑷 𝑬|𝑨𝟐 + ⋯ 𝑷 𝑨𝒏 𝑷(𝑬|𝑨𝒏 )
𝒏

𝑷 𝑬 = ෍ 𝑷 𝑨𝒊 𝑷(𝑬|𝑨𝒊 )
𝒊=𝟏

que, en realidad, es la fórmula que aplicamos en el ejemplo.

 Teorema de Bayes

Es otra fórmula que es muy útil pero, sobre todo, es aplicada

intuitivamente cuando se tienen que calcular probabilidades
con diagramas de árbol.

A1 También se mostró en el ejemplo.

E Consiste en la división de la probabilidad
total con respecto a la rama que nos
interesa.
A2
E Es un caso particular de probabilidad
condicional.

A3
E

A. Ejemplo
 Teorema de Bayes

Tenemos los eventos A1, A2, …, Ak, …, An, que forman una
partición con S, y E es un evento cualquiera. Si aplicamos lo
antes visto en la fórmula de probabilidad condicional:
𝑷(𝑨𝒌 ∩𝑬) 𝑷 𝑨𝒌 𝑷(𝑬|𝑨𝒌 )
𝑷 𝑨𝒌 𝑬 = =
𝑷(𝑬) 𝑷(𝑬)

Si consideramos la fórmula obtenida para calcular la

probabilidad total de E:
𝑷 𝑨𝒌 𝑷(𝑬|𝑨𝒌 )
𝑷 𝑨𝒌 𝑬 = σ𝒏
𝒊=𝟏 𝑷 𝑨𝒊 𝑷(𝑬|𝑨𝒊 )
 Ejemplo

Supongamos que un dormitorio estudiantil en una universidad

está conformado por:
1) 30% de estudiantes de primer año, de los cuales el 10% posee
un auto.
2) 40% de estudiantes de segundo año, de los cuales el 20%
posee un auto.
3) 20% de estudiantes de tercer año, de los cuales el 40% posee
un auto.
4) 10% de estudiantes de cuarto año, de los cuales el 60% posee
un auto.
¿Cuál es la probabilidad de que sea de tercer año si tiene auto?
7. Fórmulas de conteo
 Ejemplo

Se traza el diagrama de árbol respectivo, y se determinan los

eventos útiles.
10% T Nos interesa T (evento tiene auto)
A 90% a) La probabilidad total es:
N 𝑃 𝑇
30%
T = 0.30 0.10 + 0.40 0.20
20%
+ 0.20 0.40 + 0.10 0.60 = 𝟎. 𝟐𝟓
40% B 80%
N b) Se busca la probabilidad de 𝑷(𝑪|𝑻).
20% Noten que la intersección está marcada
40% T
en la probabilidad total anterior.
C 60%
10% N Por el teorema de Bayes:
60% T 𝑷 𝑪 𝑷(𝑻|𝑪) (0.20)(0.40)
𝑷 𝑪𝑻 = =
D 40% 𝑷(𝑻) 0.25
N 8
= = 32%
25
 Actividad de la unidad 2

En un hostal de España, 3/10 de los huéspedes eran europeos,

3/5 eran mexicanos y 1/10 eran asiáticos. Del primer grupo, 80%
hablaba inglés, del segundo 60% y del tercer grupo solo 30%.
Cuando llegué al hostal me puse a platicar con una persona que
hablaba inglés, ¿cuál es la probabilidad de que fuera mexicano?